python+NLTK 自然语言学习处理三:如何在nltk/matplotlib中的图片中显示中文

Posted 一张红枫叶

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python+NLTK 自然语言学习处理三:如何在nltk/matplotlib中的图片中显示中文相关的知识,希望对你有一定的参考价值。

我们首先来加载我们自己的文本文件,并统计出排名前20的字符频率

if __name__=="__main__":

    corpus_root=\'/home/zhf/word\'

    wordlists=PlaintextCorpusReader(corpus_root,\'.*\')

    for w in wordlists.words():

        print(w)

    fdist=FreqDist(wordlists.words())

fdist.plot(20,cumulative=True)

文本内容如下:

the RRC setup success rate dropped   

ERAB setup success rate dropped   

prach issue

客户反馈

显示的图片如下,其中中文字符显示的是乱码。

这其中的原因在于nltk中的plt其实是调用的是matplotlib中的plot。而在ubuntun

matplotlib 从配置文件 matplotlibrc 中读取配置,字体相关内容也在其中。matplotlib 依次在以下四个位置寻找配置文件:

  1. 当前工作目录下的 matplotlibrc
  2. $MATPLOTLIBRC/matplotlibrc
  3. 用户家目录下的 matplotlibrc。 如 Linux 一般在 ~/.config/matplotlib/matplotlibrc, macOS 在 ~/.matplotlib/matplotlibrc
  4. INSTALL/matplotlib/mpl-data/matplotlibrc,其中 INSTALL 指具体的安装目录。

我们来看下matplotlib的配置文件放在哪的。通过下面两种方式可以查询到

方法一:可以查询出配置文件以及当前使用的字体方式。可以看出使用的字体是/DejaVuSans.ttf, 这个文件不是中文的。

from matplotlib.font_manager import findfont, FontProperties

if __name__=="__main__":

    print(matplotlib.get_configdir())

print(findfont(FontProperties(family=FontProperties().get_family())))

 

/home/zhf/.config/matplotlib

/usr/local/lib/python3.6/dist-packages/matplotlib/mpl-data/fonts/ttf/DejaVuSans.ttf

 

方法二:能查出python2.7python3.6各自的路径

root@zhf-maple:/home/zhf/桌面# locate -b \\mpl-data

/usr/local/lib/python2.7/dist-packages/matplotlib/mpl-data

/usr/local/lib/python3.6/dist-packages/matplotlib/mpl-data

 

 

mpl-data下进入font/ttf文件夹可以看到所有的字体方式,如果需要中文的话需要使用SimHei.ttf文件。可以看到没有这个文件

可以通过fc-list | grep SimHei命令查看当前系统下是否有安装simhei.ttf文件。如果有安装word文档的话应该都是有的。如果没有的话需要去网上去下载一个

 

root@zhf-maple:/home/zhf# fc-list | grep SimHei

/usr/share/fonts/wps-office/simhei.ttf: 黑体,SimHei:style=Regular,Normal,obyčejné,Standard,Κανονικά,Normaali,Normál,Normale,Standaard,Normalny,Обычный,Normálne,Navadno,Arrunta

 

将这个文件copy

/usr/local/lib/python3.6/dist-packages/matplotlib/mpl-data/font/ttf文件夹下面

 

mpl-data目录下有matplotlib的配置文件matplotlibrc。进入编辑,在font.sans-serif中将SimHei设置为第一个也就是最高优先级。

清除matplotlib中的缓存

root@zhf-maple:/home/zhf/桌面# cd ~/.cache/matplotlib

root@zhf-maple:~/.cache/matplotlib# rm ‘*.*’

此时再运行可以看到中文正常显示

如果你只是想个别的文件使用中文,可以不用修改matplotlibrc配置文件,进行如下设置。也可以在单次调用的时候显示中文

    matplotlib.rcParams[\'font.sans-serif\'] = \'SimHei\'

    x=[1,2,3]

    y=[4,5,6]

    plt.plot(x,y)

    plt.title(\'测试\')

    plt.xlabel(\'x\')

    plt.ylabel(\'y\')

    plt.grid(True)

    plt.show()

 

以上是关于python+NLTK 自然语言学习处理三:如何在nltk/matplotlib中的图片中显示中文的主要内容,如果未能解决你的问题,请参考以下文章

基于NLTK的Python自然语言处理-字符串的操作(切分)

下载|382页 PYTHON自然语言处理中文翻译 NLTK 中文版

python+NLTK 自然语言学习处理四:获取文本语料和词汇资源

python+NLTK 自然语言学习处理五:词典资源

Python3NLTK-自然语言处理

Python自然语言工具包(NLTK)入门